CN110399658A - 电池的加速因子值计算方法、装置、设备及存储介质 - Google Patents
电池的加速因子值计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110399658A CN110399658A CN201910619080.1A CN201910619080A CN110399658A CN 110399658 A CN110399658 A CN 110399658A CN 201910619080 A CN201910619080 A CN 201910619080A CN 110399658 A CN110399658 A CN 110399658A
- Authority
- CN
- China
- Prior art keywords
- mesuring battary
- accelerated
- lifetime data
- life
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于电池可靠性分析技术领域,公开了一种电池的加速因子值计算方法、装置、设备及存储介质。该方法包括:在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;根据所述寿命数据,通过预设的密度函数公式计算有效数据;根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。通过上述方式,实现了加速因子的确定,从而降低了成本,提高了电池可靠性的分析。
Description
技术领域
本发明涉及电池可靠性分析技术领域,尤其涉及一种电池的加速因子值计算方法、装置、设备及存储介质。
背景技术
光电池具有重量轻、性能稳定、寿命长、光电转换效率及灵敏度高和能经受外部空间严苛环境的考验等优势。近年来,随着光电池的制造技术日臻完善,光电池作为能源广泛应用于民用电力、交通通信、军用航海和航空航天等诸多领域。随着社会对光电池需求量不断增大,越来越多的光电池投入使用,那么其寿命可靠性是其应用中必须十分关注的问题。
现有技术中,传统的光电池可靠性分析的方法主要是基于现场数据统计法的可靠性分析通过对光电池在实际工作期间的失效样本进行数据统计来分析其可靠性。然而,由于光电池的可靠性越来越高,现场短时间失效样本数据越来越少,基于现场数据统计法变得越来越困难。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种电池的加速因子值计算方法、装置、设备及存储介质,旨在解决基于加速因子,在短时间内获取更多的数据,以提高电池可靠性分析的技术问题。
为实现上述目的,本发明提供了一种方法,所述方法包括以下步骤:
在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;
根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;
根据所述寿命数据,通过预设的密度函数公式计算有效数据;
根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
优选地,所述根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型的步骤,包括:
基于预设概率模型对所述寿命数据进行分析,获得所述寿命数据的分析结果;
根据所述分析结果获取不同寿命分布类型对应的概率图;
根据所述概率图确定所述待测电池对应的寿命分布类型;
根据映射关系表选择所述寿命分布类型对应的加速模型。
优选地,所述根据所述概率图确定所述待测电池对应的寿命分布类型的步骤,包括:
根据所述概率图确定寿命数据贴近概率分布直线类型;
将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布类型。
优选地,所述将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布类型的步骤之前,包括:
对所述寿命数据贴近概率分布直线类型对应的寿命分布类型进行检验;
根据所述寿命数据,通过预设距离公式计算距离值;
将距离值按照从大到小的顺序进行排列,选取所述最小的距离值;
根据所述最小的距离值,确定对应的寿命分布类型;
将所述确定对应的寿命分布类型作为所述待测电池对应的寿命分布类型;
其中,所述距离公式为:
式中,Fn(x)为经验概率密度函数,F(x)为样本分布函数。
优选地,所述根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值的步骤,包括:
将所述有效数据输入到所述加速模型中;
在所述加速模型中,通过预设加速系数公式进行计算,得到所述预设温度应力条件下各加速因子的因子值;
其中,所述加速系数公式为:
式中,AF为加速系数,Tnormal为正常应力,Tstress为加速应力,Ea为激活能,k为波尔兹曼常数。
优选地,所述根据所述寿命数据,通过预设的密度函数公式计算有效数据的步骤,包括:
在所述电池的失效机理不变的情况下,对所述寿命数据通过密度函数公式计算有效数据,所述有效数据为所述预设数量的温度应力对应的形态参数和特征寿命;
其中,所述密度函数公式为:
式中,m为正常应力水平和加速应力水平下的形状参数,η为特征寿命,In为对数,ti为样本i对应的寿命值。
优选地,所述获取所述待测电池在预设温度应力条件下的寿命数据的步骤,包括:
选取预设数量的温度应力,在所述电池的失效机理不变的情况下,获取所述温度应力对应的寿命数据。
此外,为实现上述目的,本发明还提出一种电池的加速因子计算装置装置,所述装置包括:获取模块,用于在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;
确定模块,用于根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;
分析模块,用于根据所述寿命数据,通过预设的密度函数公式计算有效数据;
计算模块,用于根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
此外,为实现上述目的,本发明还提出一种电子设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池的加速因子计算程序,所述电池的加速因子计算程序配置为实现如上文所述的电池的加速因子计算方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机存储介质上存储有电池的加速因子计算程序,所述电池的加速因子计算程序被处理器执行时实现如上文所述的电池的加速因子计算方法的步骤。
本发明通过在待测电池的寿命满足预设韦伯分布时,首先,在加速实验中获取所述待测电池在预设温度应力条件下的寿命数据,然后根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,之后,根据所述寿命数据,通过预设的密度函数公式计算有效数据,根据得到的有效数据,通过所述加速模型进行计算,得到所述待测电池在所述预设温度应力条件下各加速因子的因子值,有效的解决了电池加速寿命试验中加速因子的确定及寿命分布问题,保证了在短时间内得到较多的失效数据,从而提高了电池的可靠性分析。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电子设备的结构示意图;
图2为本发明电池的加速因子值计算方法第一实施例的流程示意图;
图3为基于预设的概率模型的分布概率图;
图4为光电池韦伯分布校验图;
图5为本发明电池的加速因子值计算方法第二实施例的流程示意图;
图6为本发明电池的加速因子值计算装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的电子设备结构示意图。
如图1所示,该电子设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电池的加速因子值计算程序。
在图1所示的电子设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电子设备中的处理器1001、存储器1005可以设置在电池的加速因子值计算设备中,所述电子设备通过处理器1001调用存储器1005中存储的电池的加速因子值计算程序,并执行本发明实施例提供的电池的加速因子值计算方法。
本发明实施例提供了一种电池的加速因子值计算方法,参照图2,图2为本发明一种电池的加速因子值计算方法第一实施例的流程示意图。
本实施例中,所述电池的加速因子值计算方法包括以下步骤:
步骤S10:在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据。
需要说明的是,所述预设韦伯分布曲线图与经过测试后的正常应力的分布函数图一致,在光电池的寿命满足预设韦伯分布时,通过加速寿命实验,获取所述待测电池在预设温度应力条件下的寿命数据。
此外,应理解的是,上述所说的电池可以是光电池,也可以是虚拟电池等。其中,在选取预设数量的温度应力时,所述预设数量的温度应力可以为1个、2个或3个等,本实施例对此没有限制。
此外,为了便于理解,以下进行光电池加速寿命实验进行举例说明:
根据光电池的工作情况,在保证加速效果达到最为理想且失效机理不变的情形下,选取T1=323.15K(50℃)和T2=343.15K(70℃)2组加速应力进行加速寿命试验,所述试验采用的是完全寿命加速试验,直到在相应加速应力下所有的样品全部失效。
试验样本量确定方法如下:
在光电池加速寿命试验中,各个试验应力水平下的参试样本量n与可靠度R及置信度γ关系为:
在实验过程中,参试样本的失效数量m与参试样本量n、可靠度R及置信度γ关系为:
如下表1所示,表1给出了失效数为0和1情况下,对应不同可靠度和置信度的最小样本量。
表1失效数m=0,1情况下各个试验应力水平下的最小样本
根据试验可接受的最低可靠度为0.85、置信度为0.7的水平,根据实验要求,本实施例中选择的最小样本为10个;通过推演试验应力水平下的参试样本量n与可靠度R及置信度γ关系,使用最少的样本量。
根据所述试验建立光电池的在线测试系统,在所述试验中,恒定高温应力水平在+303.15K~343.15K之间取任意温度值,即试验温度点并不是固定为高温极限的323.15K和343.15K这2个点,可以在+303.15K~343.15K之间取任意温度值,试验过程的升温速率和降温速率可以在5℃/min~20℃/min之间取任意温度速率,将获得的寿命数据利用Weibull分布函数来描述光电池的寿命,其中,所述光电池通过加速寿命实验中获得加速应力水平下的寿命数据如表2所示。
表2光电池A在不同应力水平下的寿命数据
此外,应理解的是,在正常应力水平和加速应力水平下,光电池的寿命t服从Weibull分布,采用分布函数表示为:
式中:m为正常应力水平和加速应力水平下的形状参数;η为特征寿命;t为光电池的寿命。
在正常应力水平和加速应力水平下,光电池的失效机理不变,关系式如式(2):
m1=m2=…=mk=m (2)
步骤S20:根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子。
需要说明的是,将所述预设数量的温度应力对应的寿命数据基于预设概率模型进行分析,获得相对应的分析报告,根据所述分析报告,获取不同寿命分布类型对应的概率图,根据所述概率图确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型。
此外,应理解的是,在映射关系表中选择所述寿命分布类型对应的加速模型,所述映射关系表为寿命分布类型与加速模型的对应关系。
此外,上述所说的根据所述概率图确定所述待测电池对应的寿命分布,应理解为,根据所述概率图确定寿命数据贴近概率分布直线类型,将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布。
此外,为了便于理解,以下进行举例说明:
假设所述分析报告对应的寿命数据满足所述预设韦伯分布,在满足所述预设韦伯分布时,从加速寿命实验中获取所述预设温度应力条件下的寿命数据,将所述寿命数据基于预设概率模型进行绘图,判断所述寿命数据在那种寿命分布类型下形成一条直线,若所述寿命数据比较贴近韦伯(Weibull)分布,则选择韦伯分布作为所述待测电池对应的寿命分布,如图3所示,之后选择所述待测电池对应的寿命分布对应的加速模型进行分析所述寿命数据,进行绘图表示,如图4所示。
步骤S30:根据所述寿命数据,通过预设的密度函数公式计算有效数据。
需要说明的是,在所述电池的失效机理不变的情况下,将所述寿命数据通过预设密度公式进行计算,得到有效数据,所述有效数据为所述预设数量的温度应力对应的形态参数和特征寿命。
此外,为了便于理解,以下进行举例说明:
在正常应力水平和加速应力水平下,光电池的加速模型满足阿伦尼斯模型,其特征寿命η与温度T满足如下方程式:
上式两边取对数,得即
式中:a=ΙnA,A为常数,Ea为激活能,k=8.617×10-5ev/K,为波尔兹曼常数,为温度应力T的某一已知函数。
由公式(1)所对应的密度函数式为:
其似然函数式为:
对上式取对数求导,得出如下似然方程:
式中,m为正常应力水平和加速应力水平下的形状参数,η为特征寿命,In为对数,ti为样本i对应的寿命值。
步骤S40:根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
需要说明的是,将所述寿命数据通过预设距离公式进行计算,得到所述对应的寿命分布类型的距离值,根据所述寿命分布确定对应的加速模型,在所述加速模型中,将有效数据输入到预设加速系数公式中进行计算,得到所述预设温度应力条件下各加速因子的因子值。
此外需要说明的是,以温度应力作为加速应力的加速系数公式如下:
式中,AF为加速系数,Lnormal为正常应力(正常工作情况下的温度)下的寿命,Lstress为加速应力下的寿命,Tnormal为正常应力,Tstress为加速应力,Ea为激活能,k为波尔兹曼常数。
本实施例通过在待测电池的寿命满足预设韦伯分布时,通过加速寿命试验,获取所述待测电池在预设温度应力条件下的寿命数据,之后,根据所述寿命数据基于预设概率模型,得到所述待测电池对应的寿命分布类型对应的概率图,确定所述待测电池对应的寿命分布类型及所述寿命分布对应的加速模型,根据所述寿命数据,通过预设的密度函数公式计算有效数据,在所述对应的加速模型中,将所述有效数据输入到预设加速系数公式中进行计算,得到所述待测电池在所述预设温度应力条件下各加速因子的因子值,有效的解决了短时间内得到较多的寿命数据,从而在降低成本的情况下,提高了电池的可靠性分析。
参考图4,图4为本发明一种电池的加速因子值计算方法第二实施例的流程示意图。
基于上述第一实施例,本实施例电池的加速因子值计算方法将所述步骤S20细化为9个子步骤,包括:
步骤S201:基于预设概率模型对所述寿命数据进行分析,获得所述寿命数据的分析结果。
需要说明的是,将所述寿命数据输入到所述预设概率模型中进行数据分析,并进行绘图展示。
此外,在实际应用中,基于预设概率模型中将所述寿命数据分别与韦伯分布、对数正态分布、指数分布及正态分布等常见的分布类型进行绘图展示。
步骤S202:根据所述分析结果获取不同寿命分布类型对应的概率图。
应理解的是,在映射关系中,将所述寿命数据对应的概率图与不同寿命分布类型进行一一对应,所述映射关系表为概率图与寿命分布类型的关系。
步骤S203:根据所述概率图确定寿命数据贴近概率分布直线类型。
此外,在实际应用中,在加速应力水平下的寿命数据与不同寿命分布类型进行拟合时,其中,基于上述的实验,所得到的寿命数据,则它们在加速应力水平下的寿命数据在与韦伯分布和对数正态分布进行拟合时,它们的回归线基本为一条直线,如图3所示,在经过进一步地验证,韦伯为光电池寿命分布时为最优拟合,则确定所述韦伯分布为所述寿命数据对应的分布类型。
步骤S204:对所述寿命数据贴近概率分布直线类型对应的寿命分布类型进行检验。
需要说明的是,为了进一步确定所述寿命数据对应的分布类型为韦伯分布,对所述韦伯分布中的寿命数据进行检验。
此外,应理解的是,所述检验为一种检验样本数据是否服从某一特定分布的非参数检验方法。
步骤S205:根据所述寿命数据,通过预设距离公式计算距离值。
此外,应理解的是,根据所述寿命数据,通过预设距离公式进行计算,得到距离值。
此外,需要说明的是,所述距离为检验样本与参考样本之间的距离。
此外,上述所说的距离公式为:
式中,Fn(x)为经验概率密度函数,F(x)为样本分布函数。
步骤S206:将距离值按照从大到小的顺序进行排列,选取所述最小的距离值。
步骤S207:根据所述最小的距离值,确定对应的寿命分布类型。
此外,为了便于理解,以下进行举例说明:
基于上述实验的数据,如表3所示,
表3不同分布下的距离值汇总表
由表可知,在温度为323.15K时,根据距离值按照从大到小的顺序排列,所述顺序应为指数分布、正态分布、对数正态分布及韦伯分布;在温度为343.15K时,根据距离值按照从大到小的顺序排列,所述顺序应为指数分布、对数正态分布、正态分布及韦伯分布,由此可知,经过检验,确定所述光电池的寿命服从韦伯分布。
步骤S208:将所述确定对应的寿命分布类型作为所述待测电池对应的寿命分布类型。
步骤S209:根据映射关系表选择所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子。
此外,应理解的是,在映射关系表中选择所述寿命分布类型对应的加速模型,所述映射关系表为寿命分布类型与加速模型的对应关系。本实施例通过基于预设概率模型对所述寿命数据对所述寿命数据进行概率绘图,获取所述寿命数据最优拟合的寿命分布类型,之后,将确定的寿命分布类型进行距离公式进行检验,通过计算,若选择的寿命分布类型与所述概率图对应的寿命分布类型一致时,则确定所述寿命分布类型,之后,根据所述寿命分布类型选择对应的加速模型,不仅减少因加速因子选取不当而导致光电池加速寿命试验失败或者无效的次数,而且还缩短试验时间。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有电池的加速因子计算程序,所述电池的加速因子计算程序被处理器执行时实现如上文所述的电池的加速因子计算方法的步骤。
参照图4,图4为本发明电池的加速因子计算装置第一实施例的结构框图。
如图4所示,本发明实施例提出的电池的加速因子计算装置包括:获取模块4001、确定模块4002、分析模块4003及计算模块4004。
其中,获取模块4001,用于在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;确定模块4002,用于根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;分析模块4003,用于根据所述寿命数据,通过预设的密度函数公式计算有效数据;计算模块4004,用于根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
为了便于理解获取模块4001在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据,以下给出一种具体的实现方式,大致如下:
需要说明的是,所述预设韦伯分布曲线图与经过测试后的正常应力的分布函数图一致,在光电池的寿命满足预设韦伯分布时,通过加速寿命实验,获取所述待测电池在预设温度应力条件下的寿命数据。
此外,应理解的是,上述所说的电池可以是光电池,也可以是虚拟电池等。其中,在选取预设数量的温度应力时,所述预设数量的温度应力可以为1个、2个或3个等,本实施例对此没有限制。
此外,为了便于理解,以下进行光电池加速寿命实验进行举例说明:
根据光电池的工作情况,在保证加速效果达到最为理想且失效机理不变的情形下,选取T1=323.15K(50℃)和T2=343.15K(70℃)2组加速应力进行加速寿命试验,所述试验采用的是完全寿命加速试验,直到在相应加速应力下所有的样品全部失效。
根据所述试验建立光电池的在线测试系统,在所述试验中,恒定高温应力水平在+303.15K~343.15K之间取任意温度值,即试验温度点并不是固定为高温极限的323.15K和343.15K这2个点,可以在+303.15K~343.15K之间取任意温度值,试验过程的升温速率和降温速率可以在5℃/min~20℃/min之间取任意温度速率,将获得的寿命数据利用Weibull分布函数来描述光电池的寿命。
此外,为了便于理解所述确定模块4002根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子的操作,以下给出具体的实现方式,大致如下:
需要说明的是,将所述预设数量的温度应力对应的寿命数据基于预设概率模型进行分析,获得相对应的分析报告,根据所述分析报告,获取不同寿命分布类型对应的概率图,根据所述概率图确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型。
此外,应理解的是,在映射关系表中选择所述寿命分布类型对应的加速模型,所述映射关系表为寿命分布类型与加速模型的对应关系。
此外,上述所说的根据所述概率图确定所述待测电池对应的寿命分布,应理解为,根据所述概率图确定寿命数据贴近概率分布直线类型,将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布。
此外,为了便于理解,以下进行举例说明:
假设所述分析报告对应的寿命数据满足所述预设韦伯分布,在满足所述预设韦伯分布时,从加速寿命实验中获取所述预设温度应力条件下的寿命数据,将所述寿命数据基于预设概率模型进行绘图,判断所述寿命数据在那种寿命分布类型下形成一条直线,若所述寿命数据比较贴近韦伯(Weibull)分布,则选择韦伯分布作为所述待测电池对应的寿命分布,如图3所示,之后选择所述待测电池对应的寿命分布对应的加速模型进行分析所述寿命数据,进行绘图表示,如图4所示。
此外,为了便于理解所述分析模块4003根据所述寿命数据,通过预设的密度函数公式计算有效数据的操作,以下给出具体的实现方式,大致如下:
需要说明的是,在所述电池的失效机理不变的情况下,将所述寿命数据通过预设密度公式进行计算,得到有效数据,所述有效数据为所述预设数量的温度应力对应的形态参数和特征寿命。
此外,为了便于理解所述计算模块4004根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值的操作,以下给出具体的实现方式,大致如下:
需要说明的是,将所述寿命数据通过预设距离公式进行计算,得到所述对应的寿命分布类型的距离值,根据所述寿命分布确定对应的加速模型,在所述加速模型中,将有效数据输入到预设加速系数公式中进行计算,得到所述预设温度应力条件下各加速因子的因子值。
此外需要说明的是,以温度应力作为加速应力的加速系数公式如下:
式中,AF为加速系数,Lnormal为正常应力(正常工作情况下的温度)下的寿命,Lstress为加速应力下的寿命,Tnormal为正常应力,Tstress为加速应力,Ea为激活能,k为波尔兹曼常数。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过在待测电池的寿命满足预设韦伯分布时,通过加速寿命试验,获取所述待测电池在预设温度应力条件下的寿命数据,之后,根据所述寿命数据基于预设概率模型,得到所述待测电池对应的寿命分布类型对应的概率图,确定所述待测电池对应的寿命分布类型及所述寿命分布对应的加速模型,根据所述寿命数据,通过预设的密度函数公式计算有效数据,在所述对应的加速模型中,将所述有效数据输入到预设加速系数公式中进行计算,得到所述待测电池在所述预设温度应力条件下各加速因子的因子值,有效的解决了短时间内得到较多的寿命数据,从而在降低成本的情况下,提高了电池的可靠性分析。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的电池的加速因子值计算方法,此处不再赘述。
基于上述电池的加速因子值计算装置的第一实施例,提出本发明电池的加速因子值计算装置第二实施例。
在本实施例中,所述电池的加速因子值计算装置中确定模块还包括:分析子模块、绘图子模块、选择子模块、检验子模块、计算子模块、排序子模块、判断子模块、确定子模块及选取子模块。
其中,所述分析子模块,还用于基于预设概率模型对所述寿命数据进行分析,获得所述寿命数据的分析结果。
此外,需要说明的是,将所述寿命数据输入到所述预设概率模型中进行数据分析,并进行绘图展示。
此外,在实际应用中,基于预设概率模型中将所述寿命数据分别与韦伯分布、对数正态分布、指数分布及正态分布等常见的分布类型进行绘图展示。
相应地,所述绘图子模块,还用于根据所述分析结果获取不同寿命分布类型对应的概率图。
此外,应理解的是,在映射关系中,将所述寿命数据对应的概率图与不同寿命分布类型进行一一对应,所述映射关系表为概率图与寿命分布类型的关系。
其中,所述选择子模块,还用于根据所述概率图确定寿命数据贴近概率分布直线类型。
此外,在实际应用中,在加速应力水平下的寿命数据与不同寿命分布类型进行拟合时,其中,基于上述的实验,所得到的寿命数据,则它们在加速应力水平下的寿命数据在与韦伯分布和对数正态分布进行拟合时,它们的回归线基本为一条直线,如图3所示,在经过进一步地验证,韦伯为光电池寿命分布时为最优拟合,则确定所述韦伯分布为所述寿命数据对应的分布类型。
其中,所述检验子模块,还用于对所述寿命数据贴近概率分布直线类型对应的寿命分布类型进行检验。
此外,需要说明的是,为了进一步确定所述寿命数据对应的分布类型为韦伯分布,对所述韦伯分布中的寿命数据进行检验。
此外,应理解的是,所述检验为一种检验样本数据是否服从某一特定分布的非参数检验方法。
相应地,所述计算子模块,还用于根据所述寿命数据,通过预设距离公式计算距离值。
此外,应理解的是,根据所述寿命数据,通过预设距离公式进行计算,得到距离值。
此外,需要说明的是,所述距离为检验样本与参考样本之间的距离。
此外,上述所说的距离公式为:
式中,Fn(x)为经验概率密度函数,F(x)为样本分布函数。
相应地,所述排序子模块,还用于将距离值按照从大到小的顺序进行排列,选取所述最小的距离值。
所述判断子模块,还用于根据所述最小的距离值,确定对应的寿命分布类型。
此外,为了便于理解,以下进行举例说明:
基于上述实验的数据,如表3所示,
表3不同分布下的距离值汇总表
由表可知,在温度为323.15K时,根据距离值按照从大到小的顺序排列,所述顺序应为指数分布、正态分布、对数正态分布及韦伯分布;在温度为343.15K时,根据距离值按照从大到小的顺序排列,所述顺序应为指数分布、对数正态分布、正态分布及韦伯分布,由此可知,经过检验,确定所述光电池的寿命服从韦伯分布。
相应地,所述确定子模块,还用于将所述确定对应的寿命分布类型作为所述待测电池对应的寿命分布类型。
所述选取子模块,还用于根据映射关系表选择所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子。
此外,应理解的是,在映射关系表中选择所述寿命分布类型对应的加速模型,所述映射关系表为寿命分布类型与加速模型的对应关系。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过基于预设概率模型对所述寿命数据对所述寿命数据进行概率绘图,获取所述寿命数据最优拟合的寿命分布类型,之后,将确定的寿命分布类型进行距离公式进行检验,通过计算,若选择的寿命分布类型与所述概率图对应的寿命分布类型一致时,则确定所述寿命分布类型,之后,根据所述寿命分布类型选择对应的加速模型,不仅减少因加速因子选取不当而导致光电池加速寿命试验失败或者无效的次数,而且还缩短试验时间。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的电池的加速因子值计算方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电池的加速因子值计算方法,其特征在于,所述方法包括:
在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;
根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;
根据所述寿命数据,通过预设的密度函数公式计算有效数据;
根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
2.如权利要求1所述的方法,其特征在于,所述根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型的步骤,包括:
基于预设概率模型对所述寿命数据进行分析,获得所述寿命数据的分析结果;
根据所述分析结果获取不同寿命分布类型对应的概率图;
根据所述概率图确定所述待测电池对应的寿命分布类型;
根据映射关系表选择所述寿命分布类型对应的加速模型。
3.如权利要求2所述的方法,其特征在于,所述根据所述概率图确定所述待测电池对应的寿命分布类型的步骤,包括:
根据所述概率图确定寿命数据贴近概率分布直线类型;
将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布类型。
4.如权利要求3所述的方法,其特征在于,所述将所述寿命数据贴近概率分布直线类型作为所述待测电池对应的寿命分布类型的步骤之前,包括:
对所述寿命数据贴近概率分布直线类型对应的寿命分布类型进行检验;
根据所述寿命数据,通过预设距离公式计算距离值;
将距离值按照从大到小的顺序进行排列,选取所述最小的距离值;
根据所述最小的距离值,确定对应的寿命分布类型;
将所述确定对应的寿命分布类型作为所述待测电池对应的寿命分布类型;
其中,所述距离公式为:
式中,Fn(x)为经验概率密度函数,F(x)为样本分布函数。
5.如权利要求1所述的方法,其特征在于,所述根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值的步骤,包括:
将所述有效数据输入到所述加速模型中;
在所述加速模型中,通过预设加速系数公式进行计算,得到所述预设温度应力条件下各加速因子的因子值;
其中,所述加速系数公式为:
式中,AF为加速系数,Tnormal为正常应力,Tstress为加速应力,Ea为激活能,k为波尔兹曼常数。
6.如权利要求1所述的方法,其特征在于,所述根据所述寿命数据,通过预设的密度函数公式计算有效数据的步骤,包括:
在所述电池的失效机理不变的情况下,对所述寿命数据通过预设密度函数公式计算有效数据,所述有效数据为所述预设数量的温度应力对应的形态参数和特征寿命;
其中,所述密度函数公式为:
式中,m为正常应力水平和加速应力水平下的形状参数,η为特征寿命,In为对数,ti为样本i对应的寿命值。
7.如权利要求1所述的方法,其特征在于,所述获取所述待测电池在预设温度应力条件下的寿命数据的步骤,包括:
选取预设数量的温度应力,在所述电池的失效机理不变的情况下,获取所述温度应力对应的寿命数据。
8.一种电池的加速因子计算装置,其特征在于,所述装置包括:
获取模块,用于在待测电池的寿命满足预设韦伯分布时,获取所述待测电池在预设温度应力条件下的寿命数据;
确定模块,用于根据所述寿命数据确定所述待测电池对应的寿命分布类型,并确定所述寿命分布类型对应的加速模型,所述加速模型具有多个加速因子;
分析模块,用于根据所述寿命数据,通过预设的密度函数公式计算有效数据;
计算模块,用于根据所述有效数据,通过所述加速模型计算所述待测电池在所述预设温度应力条件下各加速因子的因子值。
9.一种电子设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池的加速因子值计算程序,所述电池的加速因子值计算程序配置为实现如权利要求1至7中任一项所述的电池的加速因子值计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有电池的加速因子值计算程序,所述电池的加速因子值计算程序被处理器执行时实现如权利要求1至7任一项所述的电池的加速因子值计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619080.1A CN110399658B (zh) | 2019-07-09 | 2019-07-09 | 电池的加速因子值计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619080.1A CN110399658B (zh) | 2019-07-09 | 2019-07-09 | 电池的加速因子值计算方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399658A true CN110399658A (zh) | 2019-11-01 |
CN110399658B CN110399658B (zh) | 2021-01-22 |
Family
ID=68324433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910619080.1A Active CN110399658B (zh) | 2019-07-09 | 2019-07-09 | 电池的加速因子值计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399658B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611952A (zh) * | 2020-11-27 | 2021-04-06 | 成都海光微电子技术有限公司 | 加速系数确定方法、装置、电子设备及可读存储介质 |
US20230297096A1 (en) * | 2022-03-18 | 2023-09-21 | Microsoft Technology Licensing, Llc | Machine learning design for long-term reliability and stress testing |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167673A1 (en) * | 2005-01-27 | 2006-07-27 | Rajat Chaudhry | Method and apparatus to generate circuit energy models for macros containing internal clock gating |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
CN103954914A (zh) * | 2014-05-16 | 2014-07-30 | 哈尔滨工业大学 | 基于概率集成的锂离子电池剩余寿命直接预测方法 |
CN104156600A (zh) * | 2014-08-13 | 2014-11-19 | 北京航空航天大学 | 一种基于寿命理论计算的作动器产品加速因子确定方法 |
CN104678312A (zh) * | 2015-02-09 | 2015-06-03 | 北京航空航天大学 | 一次性锂电池容量加速退化试验“倒挂”数据评估方法 |
CN106772080A (zh) * | 2016-12-21 | 2017-05-31 | 哈尔滨工业大学 | 空间锂离子电池加速退化试验时间等效性建模方法 |
CN107292025A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池的密封寿命预测方法 |
CN107798164A (zh) * | 2017-09-12 | 2018-03-13 | 北京空间飞行器总体设计部 | 一种高轨卫星电源控制装置加速寿命试验系统及方法 |
CN108399278A (zh) * | 2018-01-24 | 2018-08-14 | 航天科工防御技术研究试验中心 | 一种电子装备多因素加速因子计算方法 |
-
2019
- 2019-07-09 CN CN201910619080.1A patent/CN110399658B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167673A1 (en) * | 2005-01-27 | 2006-07-27 | Rajat Chaudhry | Method and apparatus to generate circuit energy models for macros containing internal clock gating |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
CN103954914A (zh) * | 2014-05-16 | 2014-07-30 | 哈尔滨工业大学 | 基于概率集成的锂离子电池剩余寿命直接预测方法 |
CN104156600A (zh) * | 2014-08-13 | 2014-11-19 | 北京航空航天大学 | 一种基于寿命理论计算的作动器产品加速因子确定方法 |
CN104678312A (zh) * | 2015-02-09 | 2015-06-03 | 北京航空航天大学 | 一次性锂电池容量加速退化试验“倒挂”数据评估方法 |
CN106772080A (zh) * | 2016-12-21 | 2017-05-31 | 哈尔滨工业大学 | 空间锂离子电池加速退化试验时间等效性建模方法 |
CN107292025A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池的密封寿命预测方法 |
CN107798164A (zh) * | 2017-09-12 | 2018-03-13 | 北京空间飞行器总体设计部 | 一种高轨卫星电源控制装置加速寿命试验系统及方法 |
CN108399278A (zh) * | 2018-01-24 | 2018-08-14 | 航天科工防御技术研究试验中心 | 一种电子装备多因素加速因子计算方法 |
Non-Patent Citations (2)
Title |
---|
张维 等: "基于Anderson_Darling检验的恒虚警检测", 《光电工程》 * |
李然: "锂动力电池健康度评价与估算方法的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611952A (zh) * | 2020-11-27 | 2021-04-06 | 成都海光微电子技术有限公司 | 加速系数确定方法、装置、电子设备及可读存储介质 |
CN112611952B (zh) * | 2020-11-27 | 2024-05-31 | 成都海光微电子技术有限公司 | 加速系数确定方法、装置、电子设备及可读存储介质 |
US20230297096A1 (en) * | 2022-03-18 | 2023-09-21 | Microsoft Technology Licensing, Llc | Machine learning design for long-term reliability and stress testing |
Also Published As
Publication number | Publication date |
---|---|
CN110399658B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670940A (zh) | 基于机器学习的信用风险评估模型生成方法及相关设备 | |
CN109615020A (zh) | 基于机器学习模型的特征分析方法、装置、设备及介质 | |
CN107194743A (zh) | 一种网络调查问卷生成方法和装置 | |
CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
CN111694844B (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN110399658A (zh) | 电池的加速因子值计算方法、装置、设备及存储介质 | |
CN113377827B (zh) | 一种基于Conv-LSTM网络的窃电检测方法和系统 | |
CN109710507A (zh) | 一种自动化测试的方法和装置 | |
CN109377083A (zh) | 风险评估方法、装置、设备和存储介质 | |
CN112506757A (zh) | 自动测试方法、系统、计算机设备及其介质 | |
CN109542764A (zh) | 网页自动化测试方法、装置、计算机设备和存储介质 | |
CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
CN109522517A (zh) | 一种电表失效率计算方法和系统 | |
CN117235633A (zh) | 机构分类方法、装置、计算机设备及存储介质 | |
CN106535102A (zh) | 一种移动终端定位方法及移动终端 | |
CN116258923A (zh) | 图像识别模型训练方法、装置、计算机设备和存储介质 | |
CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
CN112037191B (zh) | 一种局域漏电流密度阈值的确定方法、装置和计算机设备 | |
CN113159537A (zh) | 电网新技术项目的评估方法、装置和计算机设备 | |
CN115345257A (zh) | 飞行轨迹分类模型训练方法、分类方法、装置及存储介质 | |
CN114331237A (zh) | 基于ahp-熵权法的污水处理质量评估方法及装置 | |
CN103412814B (zh) | 移动终端系统安全测试与智能修复系统及方法 | |
CN107506275A (zh) | 一种基于arm指令虚拟化的软件防护能耗评估方法 | |
CN109743203B (zh) | 一种基于量化信息流的分布式服务安全组合系统及方法 | |
CN112597323A (zh) | 遥感影像存储迁移方法、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |